Faster R-CNN：迈向实时目标检测的区域提议网络

Faster R-CNN：迈向实时目标检测的区域提议网络

摘要

我们提出了一个区域提议网络（RPN），该网络与检测网络共享全图像的卷积特征，从而实现了几乎无成本的区域提议。我们的方法名为Faster R-CNN，它不仅提高了检测精度，而且通过将提议、特征提取、分类、框回归等所有任务集成到一个网络中，实现了接近实时的检测速度。在PASCAL VOC和MS COCO上，Faster R-CNN在速度和准确率方面都优于其他方法，并证明了该方法的通用性。

1. 引言

目标检测的最新进展是由区域提议方法（如Selective Search[1]和EdgeBoxes[2]）和基于区域的卷积神经网络（R-CNNs）[3]的成功驱动的。尽管区域提议方法（如Selective Search）与检测网络（如R-CNN）在计算上是独立的，但它们的计算量仍然很高，因此目标检测的整体速度受到限制。

本文中，我们提出了一个区域提议网络（RPN），该网络与检测网络共享卷积层，从而实现了几乎无成本的区域提议。通过共享卷积，计算提议的边际成本很小，这为几乎实时的检测提供了可能性。

我们的方法名为Faster R-CNN，是一个单一、统一的目标检测网络。Faster R-CNN由两个模块组成：一个是用于生成区域提议的RPN，另一个是使用提议的R-CNN进行目标检测。这两个模块都共享同一个卷积网络，形成了一种端到端的训练方式。RPN模块仅通过添加少量的额外层即可在R-CNN网络上实现。

2. Faster R-CNN架构与训练

2.1 区域提议网络

RPN的目的是生成可能为目标的候选区域。RPN接受任意大小的图像作为输入，并输出一系列矩形区域提议，每个提议都有一个对象分数。

RPN设计了一个全卷积网络，它在一个共享的卷积特征映射上滑动一个小窗口。每个滑动窗口映射到一个低维向量，该向量被送入两个全连接层——一个用于分类目标/非目标（二分类），另一个用于回归边界框坐标（回归）。

2.2 RPN训练

RPN的训练目标是同时预测区域提议的目标/非目标分数和回归正确的边界框。我们为每个锚点分配一个二值标签：如果锚点与任何真实边界框的交并比（IoU）大于0.7，则标记为正样本；如果IoU小于0.3，则标记为负样本。

2.3 共享特征

为了测试RPN和R-CNN之间的卷积层共享，我们在四个步骤中训练网络：首先，我们训练RPN，该网络初始化为ImageNet预训练的模型，并调整以生成区域提议。然后，我们使用这些提议训练一个单独的检测网络。这两个网络都是独立训练的，不共享卷积层。接着，我们训练RPN，但固定共享的卷积层，并只调整RPN特有的层。现在，这两个网络共享卷积层。最后，我们保持共享的卷积层固定，并微调R-CNN特有的层。这样，两个网络共享相同的卷积层，形成了一种单一的、统一的目标检测网络。

3. 实验

我们在PASCAL VOC和MS COCO数据集上评估了Faster R-CNN的性能。实验结果表明，Faster R-CNN在速度和准确率方面都优于其他方法。

4. 结论

我们提出了Faster R-CNN，一个用于目标检测的单一、统一的网络。通过引入区域提议网络（RPN），我们实现了几乎无成本的区域提议，从而显著提高了检测速度和准确性。Faster R-CNN在PASCAL VOC和MS COCO上的实验结果证明了其有效性和通用性。